Fuel Consumption Prediction in Regional Transport Based on Selected Bus Line Characteristics
Notice bibliographique
Résumé
From an operational, economic and environmental point of view, it is crucial for public transport authorities and operators to be able to estimate fuel consumption in suburban bus transport. This is especially important when planning a new bus line or re‐routing an existing one. This paper aims to identify a simple model for predicting fuel consumption in suburban bus transport based on commonly available input data based on local conditions. The article deals with the issue of fuel consumption of a bus with a conventional compression ignition engine operating on suburban bus lines in a predetermined region in Slovakia. The selected indicators related to the operation of the studied bus are analysed, including the average speed of the bus, the average distance between stops, the road profile of the line and the ambient air temperature. The study was conducted using both long‐term and short‐term measurements, allowing for a comprehensive analysis of the data. Linear regression and polynomial regression were employed to determine the relationship between fuel consumption and the input data. The results of the long‐term experimental measurements and regression analysis indicate that a second‐degree polynomial regression is the most accurate method for predicting fuel consumption in suburban bus transport when considering the ambient air temperature. Short‐term experimental measurements and regression analysis also demonstrate that a second‐degree polynomial regression is the most effective approach for predicting fuel consumption in suburban bus transport, incorporating the average slope of the bus route and the average distance between bus stops. Average vehicle speed did not have a significant effect on predicting bus fuel consumption due to specific reasons that affect average velocity in very different ways.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».